Prosjektnummer
901507
Måling av spalting i fiskefilet med 3D-kamera
Dokumentert effekt av 3D-metode for automatisk kvalitetsvurdering av filet, som kan forbedre lønnsomheten i filetindustrien
• Modellen med 3D-avbildning har tilstrekkelig nøyaktighet til å dele fileter inn i to klasser, fileter med henholdsvis lav og høy spalting.
• Det er vanskelig å se spalting i fileter som ligger flatt, og en forbedring av metoden kan være å gjøre 3D-avbildningen over en liten “kul” på transportbåndet for å eksponere spaltingen bedre.
Sammendrag av resultater fra prosjektets faglige sluttrapport
Det er foretatt en studie av 3D-avbildning som potensiell metode for automatisert kvantifisering av spalting i fiskefilet. 153 fileter av hyse ble brukt i studien. Filetene ble vurdert for spalting av tre dommere, som brukte en evalueringsskala fra 0 (ingen spalting) til 5 (ekstrem spalting). Filetene ble avbildet med et 3D-kamera, og ulike statistiske beskrivelser av 3D-bildene ble brukt i en PLS regresjonsmodell for estimering av spalting.
Modellen ga en R2-verdi på 0,56 og en RMS-verdi på 0,68, noe som ansees som middelmådig i denne sammenheng. Modellen kan imidlertid ha en tilstrekkelig nøyaktighet til å dele fileter inn i to klasser, dvs. fileter med lav og høy spalting. En mulig forbedring av metoden er å gjøre 3D-avbildningen over en liten “kul” på transportbåndet, for å eksponere spaltingen bedre. Med en slik modifisering anses 3D-avbildningen som en lovende metode for automatisert kvantifisering av spalting i sanntid.
Det er foretatt en studie av 3D-avbildning som potensiell metode for automatisert kvantifisering av spalting i fiskefilet. 153 fileter av hyse ble brukt i studien. Filetene ble vurdert for spalting av tre dommere, som brukte en evalueringsskala fra 0 (ingen spalting) til 5 (ekstrem spalting). Filetene ble avbildet med et 3D-kamera, og ulike statistiske beskrivelser av 3D-bildene ble brukt i en PLS regresjonsmodell for estimering av spalting.
Modellen ga en R2-verdi på 0,56 og en RMS-verdi på 0,68, noe som ansees som middelmådig i denne sammenheng. Modellen kan imidlertid ha en tilstrekkelig nøyaktighet til å dele fileter inn i to klasser, dvs. fileter med lav og høy spalting. En mulig forbedring av metoden er å gjøre 3D-avbildningen over en liten “kul” på transportbåndet, for å eksponere spaltingen bedre. Med en slik modifisering anses 3D-avbildningen som en lovende metode for automatisert kvantifisering av spalting i sanntid.
Prosjektet har vist at 3D-måling kan være en aktuell metode for automatisk kvantifisering av spalting i en filetlinje. Resultatene er presentert i en åpen Nofima-rapport og aktuelle teknologibedrifter kan integrere metoden i sine systemer for automatiske kvalitetsvurdering av filet.
FHF vil i samråd med næringsaktørene vurdere om det skal gjøres forsøk med å forbedre metoden med 3D-avbildning over en “kul” på transportbåndet der spaltingen eksponeres bedre.
FHF vil i samråd med næringsaktørene vurdere om det skal gjøres forsøk med å forbedre metoden med 3D-avbildning over en “kul” på transportbåndet der spaltingen eksponeres bedre.
-
Sluttrapport: Automatic quantification of gaping in fish fillets using 3D imaging - Preliminary results for haddock fillets
Nofima. Rapport 34/2018. November 2018. Av Martin H. Skjelvareid og Karsten Heia.
Spalting er en av de viktigste kvalitetsparameterne for fiskefilet, i
tillegg til farge og tilstedeværelse av ulike type defekter. Det finnes
etablerte metoder for menneskelig vurdering av grad av spalting, men så langt
er det gjort lite angående automatisk kvantifisering av spalting. Automatisk
kvalitetsvurdering angående spalting vil kunne kombineres med automatisk måling
av blodinnhold / farge og deteksjon av defekter, som er tema Nofima har jobbet
mye med gjennom flere prosjekter. Dette vil igjen kunne gi langt bedre kontroll
over tilgjengelig råstoff i produksjonen, og gi mulighet til å sortere ulike
kvalitetsgrader av råstoff til produksjonen der de best kan utnyttes.
Det er mulig å detektere spalting med et vanlig kamera og bruke belysning som lager skarpe “skygger” i spaltene. Et annet mulig alternativ er røntgenavbildning, siden intensiteten i røntgenbildet er gitt direkte av tykkelsen av fileten, og spalter vil vises som områder med mindre tykkelse. I dette prosjektet foreslår Nofima imidlertid å måle formen på fileten med et 3D-kamera. Kameraet er relativt rimelig og måler overflaten på fileten direkte og med stor nøyaktighet. De anser derfor 3D-kamera som et bedre alternativ enn metodene beskrevet over. Kameraet består av to hoveddeler: En laserlinje som belyser fileten vinkelrett ovenfra (på et transportbånd) og et kamera som avbilder laserlinjen på skrå ovenfra. Ved hjelp av triangulering av posisjonen til laserlinjen kan høyden på fileten beregnes.
Det er mulig å detektere spalting med et vanlig kamera og bruke belysning som lager skarpe “skygger” i spaltene. Et annet mulig alternativ er røntgenavbildning, siden intensiteten i røntgenbildet er gitt direkte av tykkelsen av fileten, og spalter vil vises som områder med mindre tykkelse. I dette prosjektet foreslår Nofima imidlertid å måle formen på fileten med et 3D-kamera. Kameraet er relativt rimelig og måler overflaten på fileten direkte og med stor nøyaktighet. De anser derfor 3D-kamera som et bedre alternativ enn metodene beskrevet over. Kameraet består av to hoveddeler: En laserlinje som belyser fileten vinkelrett ovenfra (på et transportbånd) og et kamera som avbilder laserlinjen på skrå ovenfra. Ved hjelp av triangulering av posisjonen til laserlinjen kan høyden på fileten beregnes.
Spalting i fileten fremstår i
3D-bildene som områder med relativt skarpe kanter, der overflaten ligger lavere
enn områdene rundt. Gjennom å filtrere 3D-bildet er det mulig å detektere disse
områdene og å kvantifisere dybden på de ulike spaltene. Størrelse og dybde på
spaltene kan kombineres til en eller flere “mål” på graden av spalting. Dette
kan i sin tur sammenstilles med manuelle vurderinger av spalting. Gjennom
matematisk modellering er det også mulig å estimere spaltingsgrad for nye
fileter, basert på samme graderingssystem som for manuell vurdering (score 1-5
der 5 er best).
• Å gjennomføre 3D-måling av et stort utvalg
fileter, der spalting også vurderes manuelt
• Å utvikle metoder for å kvantifisere grad av spalting basert på 3D-data, og sammenstille disse med manuelle vurderinger
• Å vurdere hvorvidt automatisk måling av spalting med 3D-kamera vil være god nok for implementering i industrien. Praktiske aspekter som kostnad, hastighet osv. inkluderes også i vurderingen.
• Å utvikle metoder for å kvantifisere grad av spalting basert på 3D-data, og sammenstille disse med manuelle vurderinger
• Å vurdere hvorvidt automatisk måling av spalting med 3D-kamera vil være god nok for implementering i industrien. Praktiske aspekter som kostnad, hastighet osv. inkluderes også i vurderingen.
Måloppnåelse vil gi en indikasjon på om 3D-måling vil være en god metode for automatisk kvantifisering av spalting i en filetlinje. Resultatene vil være åpne og algoritmene for måling av spalting være fritt tilgjengelige for utstyrsprodusenter som f.eks. Marel og Valka, som relativt enkelt vil kunne integrere metoden i sine systemer, dersom metoden viser seg å være god. Automatisk kvalitetsvurdering vil inngå som en nødvendig del av en helautomatisert filetlinje, som vil kunne gi redusert svinn og økt lønnsomhet for fiskeri- og sjømatnæringen.
Prosjektet gjennomføres basert på råstoff (fileter) som uansett skal avbildes ved Nofima i sammenheng med andre prosjekter. Dette vil enten være hyse, jf. prosjektet Levende og tradisjonell hyse: Optimal kvalitet (FHF-901279) eller fryst og tint torsk (jf. prosjektet
CRISP, finansiert av Norges Forskningsråd), avhengig av hvilket råstoff som er tilgjengelig først.
Filetene avbildes med 3D-kamera på transportbånd og vurderes manuelt for spalting. Basert på 3D-bildene utvikles algoritmer for kvantifisering av spalting, og nøyaktigheten for algoritmene vurderes opp mot manuelle vurderinger.
Resultatene formidles gjennom en faglig sluttrapport. Ettersom prosjektet er lite må både algoritmeutvikling og sluttrapportering gjøres relativt enkelt. Dersom resultatene er lovende kan metodene eventuelt videreutvikles i et større prosjekt.
Resultater oppsummeres i faglig sluttrapport.
-
Sluttrapport: Automatic quantification of gaping in fish fillets using 3D imaging - Preliminary results for haddock fillets
Nofima. Rapport 34/2018. November 2018. Av Martin H. Skjelvareid og Karsten Heia.